Buchumschlag

A Comparative Study of Model Adaptation Strategies for Multi-Treatment Uplift Modeling

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Ruyue, Ke, Xiaopeng, Liu, Ming, Shi, Fangzhou, Men, Chang, Zhu, Zhengdan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Cross-Treatment Effect Estimation for Multi-Category, Multi-Valued Causal Inference via Dynamic Neural Masking
von: Ke, Xiaopeng, et al.
Veröffentlicht: (2025)

Order Acquisition Under Competitive Pressure: A Rapidly Adaptive Reinforcement Learning Approach for Ride-Hailing Subsidy Strategies
von: Shi, Fangzhou, et al.
Veröffentlicht: (2025)

Graph Neural Network with Two Uplift Estimators for Label-Scarcity Individual Uplift Modeling
von: Zhu, Dingyuan, et al.
Veröffentlicht: (2024)

Benchmarking for Deep Uplift Modeling in Online Marketing
von: Liu, Dugang, et al.
Veröffentlicht: (2024)

Multi-Treatment Multi-Task Uplift Modeling for Enhancing User Growth
von: Wei, Yuxiang, et al.
Veröffentlicht: (2024)

A New Transformation Approach for Uplift Modeling with Binary Outcome
von: Li, Kun, et al.
Veröffentlicht: (2023)

The Estimation of Continual Causal Effect for Dataset Shifting Streams
von: Chen, Baining, et al.
Veröffentlicht: (2025)

Robustness-enhanced Uplift Modeling with Adversarial Feature Desensitization
von: Sun, Zexu, et al.
Veröffentlicht: (2023)

Enhancing Uplift Modeling in Multi-Treatment Marketing Campaigns: Leveraging Score Ranking and Calibration Techniques
von: Park, Yoon Tae, et al.
Veröffentlicht: (2024)

A Comparative Study of Adaptation Strategies for Time Series Foundation Models in Anomaly Detection
von: Park, Miseon, et al.
Veröffentlicht: (2026)

M$^3$TN: Multi-gate Mixture-of-Experts based Multi-valued Treatment Network for Uplift Modeling
von: Sun, Zexu, et al.
Veröffentlicht: (2024)

Orthogonal Uplift Learning with Permutation-Invariant Representations for Combinatorial Treatments
von: Su, Xinyan, et al.
Veröffentlicht: (2026)

VALOR: Value-Aware Revenue Uplift Modeling with Treatment-Gated Representation for B2B Sales
von: Guduguntla, Vamshi, et al.
Veröffentlicht: (2026)

Evaluating Uplift Modeling under Structural Biases: Insights into Metric Stability and Model Robustness
von: Yang, Yuxuan, et al.
Veröffentlicht: (2026)

Selection, Ensemble, and Adaptation: Advancing Multi-Source-Free Domain Adaptation via Architecture Zoo
von: Pei, Jiangbo, et al.
Veröffentlicht: (2024)

We Have It Covered: A Resampling-based Method for Uplift Model Comparison
von: Liu, Yang, et al.
Veröffentlicht: (2025)

Uplift Modeling Under Limited Supervision
von: Panagopoulos, George, et al.
Veröffentlicht: (2024)

Robust Uplift Modeling with Large-Scale Contexts for Real-time Marketing
von: Sun, Zexu, et al.
Veröffentlicht: (2025)

Guardrailed Uplift Targeting: A Causal Optimization Playbook for Marketing Strategy
von: Sapru, Deepit
Veröffentlicht: (2025)

Rankability-enhanced Revenue Uplift Modeling Framework for Online Marketing
von: He, Bowei, et al.
Veröffentlicht: (2024)

UTBoost: Gradient Boosted Decision Trees for Uplift Modeling
von: Gao, Junjie, et al.
Veröffentlicht: (2023)

Towards Few-Shot Adaptation of Foundation Models via Multitask Finetuning
von: Xu, Zhuoyan, et al.
Veröffentlicht: (2024)

TSCAN: Context-Aware Uplift Modeling via Two-Stage Training for Online Merchant Business Diagnosis
von: Zhang, Hangtao, et al.
Veröffentlicht: (2025)

Direct Profit Estimation Using Uplift Modeling under Clustered Network Interference
von: Akker, Bram van den
Veröffentlicht: (2025)

Entire Chain Uplift Modeling with Context-Enhanced Learning for Intelligent Marketing
von: Huang, Yinqiu, et al.
Veröffentlicht: (2024)

MOYU: A Theoretical Study on Massive Over-activation Yielded Uplifts in LLMs
von: Ma, Chi, et al.
Veröffentlicht: (2024)

Fairness Evaluation for Uplift Modeling in the Absence of Ground Truth
von: Kadioglu, Serdar, et al.
Veröffentlicht: (2024)

A Large-Scale Empirical Comparison of Meta-Learners and Causal Forests for Heterogeneous Treatment Effect Estimation in Marketing Uplift Modeling
von: Singh, Aman
Veröffentlicht: (2026)

Towards Adversarially Robust Deep Metric Learning
von: Ke, Xiaopeng
Veröffentlicht: (2025)

End-to-End Cost-Effective Incentive Recommendation under Budget Constraint with Uplift Modeling
von: Sun, Zexu, et al.
Veröffentlicht: (2024)

Budget-Constrained Causal Bandits: Bridging Uplift Modeling and Sequential Decision-Making
von: Pillai, Abhirami
Veröffentlicht: (2026)

Hierarchical Contextual Uplift Bandits for Catalog Personalization
von: Agrawal, Anupam, et al.
Veröffentlicht: (2026)

Uplift modeling with continuous treatments: A predict-then-optimize approach
von: De Vos, Simon, et al.
Veröffentlicht: (2024)

FairUDT: Fairness-aware Uplift Decision Trees
von: Zahid, Anam, et al.
Veröffentlicht: (2025)

Multi-source Unsupervised Domain Adaptation on Graphs with Transferability Modeling
von: Zhao, Tianxiang, et al.
Veröffentlicht: (2024)

Which Company Adjustment Matter? Insights from Uplift Modeling on Financial Health
von: Wang, Xinlin, et al.
Veröffentlicht: (2025)

Robust Categorical Data Clustering Guided by Multi-Granular Competitive Learning
von: Cai, Shenghong, et al.
Veröffentlicht: (2026)

Federated Low-Rank Adaptation for Foundation Models: A Survey
von: Yang, Yiyuan, et al.
Veröffentlicht: (2025)

AS-GCL: Asymmetric Spectral Augmentation on Graph Contrastive Learning
von: Liu, Ruyue, et al.
Veröffentlicht: (2025)

Temporal Tokenization Strategies for Event Sequence Modeling with Large Language Models
von: Liu, Zefang, et al.
Veröffentlicht: (2025)